2016年底，研發出AlphaGo的谷歌DeepMind工作室，與牛津大學合作推出了一款能夠閱讀唇語的軟件，在人工智能領域引發關注。通過測試，這款軟件的識別準確率達到46.8%，雖然還不完美，但已經遠超人類的唇讀準確率（12.4%）數倍之多。DeepMind工作室的負責人稱，這款軟件可以幫助到聽力受損的人，未來，他們的努力方向是從識別單詞到可以識別句子，進一步提高唇讀的準確率。

科技 的進步往往比我們預想中更快。在谷歌發布了唇讀軟件一年之后，搜狗公司在今年的烏鎮 互聯網 大會上，帶來了全球首個公開演示的唇語識別系統。在會場，許多嘉賓都測試了這一全新的科技成果，其中還包括來自央視和多個地方臺的記者，無論是“今天天氣怎么樣”這樣的短句，還是“吃葡萄不吐葡萄皮”這樣的繞口令，記者們只需要動動嘴唇，系統都可以準確識別。

根據公開資料顯示，谷歌唇讀軟件支持的詞匯量只有17500個，而搜狗唇讀系統可以支持的中文詞匯超過十萬個，在車載、智能家居等垂直應用領域，準確率超過90%。不得不承認，在唇讀這個具體的領域，中國制造已經領先于大洋彼岸的科技巨頭了。

有人或許好奇，唇讀系統的技術難度在什么地方？為什么從谷歌到搜狗，科技公司都在這個領域進行研究，其發展和應用前景又在哪里？

唇讀系統的技術難度

簡而言之，唇語系統都是由“看——聽——同步——寫”四個人工智能板塊組合而成的。首先，它要求系統要能夠對人的嘴唇運動進行捕捉記錄，然后將記錄下來的內容輸入為圖像序列，根據圖像信息，機器學習進行相應的圖像文字解碼，經過復雜的運算得出結果，再將內容同步至書寫設備上。

此前，谷歌的方式是使用卷積神經網絡對靜止的圖像進行分析，目的是辨認語言當中的最小單位，之后再逐步嘗試去識別單詞和詞組。而搜狗采用的方式，是他們首創的復雜端到端深度神經網絡技術，他們的優勢是可以根據語言序列建模，直接識別整句話，不僅提升了識別速度，準確度也更高。

唇讀系統的應用前景

讀唇術看上去很科幻，許多人還不了解這項技術的 商業 潛力在什么地方。而根據目前業內人士的分析，其應用場景至少在以下幾個方面：

首先，是對語音識別的進一步強化。唇語識別可以在環境嘈雜，語音識別受到干擾的情況下判斷語音內容，這樣就可以把語音識別的準確率提升到一個全新的水平，例如最基礎的語音輸入、車載指令、同聲傳譯等方面的用戶體驗都可以隨之得到提升。

其次，是在安保領域，可以判斷無聲指令。目前，我們國家的天網系統已經普及，但是只有攝像頭，沒有麥克風，對于許多治安問題的管理和偵破仍然是一個挑戰。有了成熟的唇語識別系統之后，我們不僅可以拍下犯罪分子的容貌，甚至可以了解到他說了什么，這對于維護社會治安秩序是很用的幫助；

另外，在商業領域，唇語識別可以幫助進行殘疾人教育，以及介入硬件產品，比如助聽器的改進。對聽力受損的殘疾人來說，可以說是為他們架起了一座溝通的橋梁。

總結

無論是谷歌還是搜狗，他們的實踐都證明唇語識別作為一項重要的人工智能技術，其應用場景極為廣泛。牛津大學唇語技術研究團隊的Yannis Assael就曾經向 媒體 表示，這一技術不僅有著前沿的技術意義，也具備著難以估量的商業可能，從軍事到公益，從支付到智能家庭，眾多行業都會因這項技術發生改變。而從行業內部看，這些提前進入唇語識別研究的公司與團隊，將有更大的機會筑起屬于自己的技術壁壘，這相當于為他們的商業版圖打下了一個堅實的基礎。